Inspección de datos

Parte de la sección Datos y gráficos del Journey de Machine Learning de Coddy. Lección 34 de 60.

Un nuevo conjunto de datos es demasiado largo para imprimirlo. Unas cuantas comprobaciones rápidas te indican su tamaño, sus columnas y sus valores.

Una tabla alta de 24 canciones con las columnas song, seconds y plays, dibujada como una cuadrícula; sus primeras 3 filas están resaltadas y marcadas como head(3), y un corchete al costado indica 24 filas

songs = pd.read_csv("songs.csv")
print(songs.head(3))   # las primeras 3 filas; head() por sí solo devuelve 5
print(songs.shape)     # (filas, columnas)
for name in songs.columns:
    print(name)

Esto imprime:

         song  seconds  plays
0   Blue Hour      210   5169
1  Paper Moon      176   6689
2        Tide      272   2739
(24, 3)
song
seconds
plays

.describe() resume todas las columnas numéricas y omite la columna de texto song. print(songs.describe()) muestra:

          seconds        plays
count   24.000000    24.000000
mean   212.708333  5116.333333
std     42.367419  2189.610898
min    151.000000  1289.000000
25%    175.250000  3626.250000
50%    213.000000  5051.000000
75%    232.250000  6711.500000
max    290.000000  8992.000000

25%, 50% y 75% son los valores situados a un cuarto, a la mitad y a tres cuartos de la columna ordenada.

El resumen también es una tabla: "plays" in songs.describe().columns es True, ya que in pregunta si un nombre está ahí.

Desafío

Intermedio

Un modelo aprende solo de las columnas numéricas, así que una empresa de taxis revisa primero su registro de viajes. El programa carga taxi_trips.csv en trips y lee un número n.

Imprime Trips: y el número de filas.
Para cada columna, en orden, imprime su nombre, dos puntos y numbers si .describe() la resume; de lo contrario, text.
Imprime las primeras n filas.

Para una tabla de 30 alquileres de bicicletas y n = 2:

Trips: 30
bike: text
km: numbers
station: text
   bike    km  station
0  B-12   4.6     Pier
1  B-07  11.2  Central

Pruébalo tú mismo

import pandas as pd

trips = pd.read_csv("taxi_trips.csv")
n = int(input())

# Escribe tu código a continuación

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Todas las lecciones de Datos y gráficos

1Introducción

Hola, Machine Learning ¿Qué es un modelo?Importar bibliotecas Tu primer gráfico

4Dar forma a los datos

Cambiar la forma de los arrays Unir arrays Números aleatorios Repaso: simulación de dados

7DataFrames de pandas

Series DataFrames Lectura de archivos CSVInspección de datosSelección de columnas Repaso: calificaciones de películas

10Graficar DataFrames

Graficar un DataFrame Gráfico de dispersión a partir de columnas Un color por grupo Histograma de una columna Repaso: ventas del café

2Arrays de NumPy

Creación de arrays Forma y tamaño Rangos de números Indexación y segmentación Repaso: cuadrícula de temperaturas

5Gráficos de líneas y de dispersión

Etiquetas y títulos Gráficos de dispersión Varias líneas y leyendas Colores y marcadores Figuras y ejes Repaso: pasos semanales

8Filtrado y ordenación

Selección de filas Filtrado de filas Ordenación de valores Nuevas columnas Repaso: productos principales

11Conjuntos de datos para ML

Conjuntos de datos integrados Características y etiquetas Explorar por clase Representar las clases Repaso: conjunto de datos Wine

Practica por tu cuenta: Compilador de Python online